机译:具有支持向量机(SVM)的机器学习方法,用于预测术前淋巴结状态与肝内胆管癌的MR图像和临床特征
Zhejiang Univ Inst Translat Med Hangzhou Zhejiang Peoples R China;
Zhejiang Univ Inst Translat Med Hangzhou Zhejiang Peoples R China;
Zhejiang Univ Sch Med Affiliated Hosp 1 Dept Radiol Hangzhou Zhejiang Peoples R China;
Stanford Univ Stanford CA 94305 USA;
Zhejiang Univ Inst Translat Med Hangzhou Zhejiang Peoples R China;
Duke Univ Sch Med Radiat Oncol Durham NC USA;
机译:具有支持向量机(SVM)的机器学习方法,用于预测术前淋巴结状态与肝内胆管癌的MR图像和临床特征
机译:基于生物地理的优化(BBO),人造蜜蜂(ABC)和支持向量机(SVM)的SAR图像分类的最佳特征选择:优化和机器学习的组合方法
机译:校正:评估肝胆管癌分化度和淋巴结转移的新方法:使用基于辐射族粒子群优化的预测和支持向量机模型
机译:使用多个功能胃淋巴结癌症检测支持矢量机用于病理诊断支持系统
机译:结合生物标志物和临床病理因素预测乳腺癌对辅助化疗的反应:Cox模型和支持向量机(SVM)方法。
机译:基于支持向量机的放射学方法基于MR图像的肝内胆管癌术前淋巴结状态评估
机译:具有支持向量机(SVM)的机器学习方法,用于预测术前淋巴结状态与肝内胆管癌的MR图像和临床特征